正态分布是一种连续概率分布，其概率密度函数具有一个峰值，两侧逐渐下降。正态分布的均值、中位数和众数相等，因此也被称为“钟形曲线”。正态分布在自然界和社会科学中都有广泛的应用，例如身高、体重、智力等指标都可以用正态分布来描述。

然而，实际上很少有数据完全符合正态分布的假设。因此，需要进行正态分布偏离检验，以确定数据是否符合正态分布的假设。ISO 5479:1997提供了三种方法来检验数据是否符合正态分布的假设：Shapiro-Wilk检验、Kolmogorov-Smirnov检验和Anderson-Darling检验。

Shapiro-Wilk检验是一种基于样本数据的统计检验方法，用于检验数据是否符合正态分布的假设。该方法的原理是将数据与正态分布进行比较，计算出一个统计量W，然后根据W的值来判断数据是否符合正态分布的假设。如果W的值越接近1，说明数据越符合正态分布的假设。

Kolmogorov-Smirnov检验也是一种基于样本数据的统计检验方法，用于检验数据是否符合正态分布的假设。该方法的原理是将数据与正态分布进行比较，计算出一个统计量D，然后根据D的值来判断数据是否符合正态分布的假设。如果D的值越小，说明数据越符合正态分布的假设。

Anderson-Darling检验是一种基于样本数据的统计检验方法，用于检验数据是否符合正态分布的假设。该方法的原理是将数据与正态分布进行比较，计算出一个统计量A2，然后根据A2的值来判断数据是否符合正态分布的假设。如果A2的值越小，说明数据越符合正态分布的假设。

除了上述三种方法外，ISO 5479:1997还提供了一些其他的统计指标，用于描述数据的偏离程度。例如，标准差用于描述数据的离散程度，偏度用于描述数据的偏斜程度，峰度用于描述数据的峰态程度。这些指标可以帮助我们更好地理解数据的特征，从而选择合适的统计方法来分析数据。

相关标准
ISO 3534-1:2006 统计学词汇和符号 第1部分：概念和一般原则

ISO 80000-2:2019 国际单位制（SI） 第2部分：数学符号和单位

ISO 31-11:1992 数学符号和数学术语的表示法 第11部分：概率和统计学

ISO 10012:2003 测量管理系统——要求和指南

ISO 5725-1:1994 精密度（准确度和精密度）的检验和校准 第1部分：一般原则和定义